AI、ソフトウェアインフラ、ビジネス＆情報サービス：Goldman Sachs：AIは支援ツールからワークフロー実行へ移行、データ、ワークフロー制御、エージェントインフラにより多くの価値が蓄積

概要

第3回シリコンバレーAIフィールドトリップに関する本ノートは、スタートアップ、ベンチャーキャピタル、学界からの見解を集約したものである。Goldman Sachsの中核的結論は、AIの商業的価値が情報検索やアシスタント機能から、検証可能で説明責任を伴うワークフロー実行へ移行していることであり、最も有利なポジションにあるプラットフォームは、独自情報、業界知識、顧客コンテキスト、流通能力、行動を起こす権限を組み合わせることになる。

主要見解

Goldman Sachsは8月18-19日に第3回シリコンバレーAIフィールドトリップを開催し、AI企業、ベンチャーキャピタル企業、Stanford University、University of California, Berkeley、UCSFの研究者らが参加した。このトリップは、モデル能力がなお向上していること、エージェントが人間の支援からワークフローの完了へ移行していること、収益化がシートベース価格からデータ利用、取引、完了タスク、成果、エージェント利用に対する課金へ拡大するとの見方を裏付けた。本レポートは、最も強いAI企業は、独自データ、ドメイン専門性、顧客コンテキスト、ワークフロー制御、流通チャネル、検証メカニズム、アクション実行の許可を備えるべきだと論じている。 ビジネス＆情報サービスについて、本レポートはAIが差別化された情報資産の有用性を高めると考えている。AIによりデータの検索、接続、顧客意思決定への適用は容易になるが、大規模なデータセットだけでは堀にはならない。金融分析、法務、保険、リスク管理、ヘルスケアなどでより正確かつ検証可能な結果を提供するには、主要プラットフォームには権威あるコンテンツ、検証済みモデル、専門分類体系、顧客コンテキスト、情報の利用方法を理解する専門家も必要である。従来、サブスクリプション、レポート、労働集約型サービスを通じて収益化してきた企業は、エージェントを用いて非構造化情報を整理、分析、監視、処理することができ、単純な情報入力提供者から知識集約型産業の「オペレーティングシステム」へ高度化し、顧客のプロフェッショナルサービス支出に占めるより大きなシェアを獲得できる。 本レポートはさらに、金融分析、法務リサーチ、保険引受、マーケットリサーチには、高コストな専門労働プロセスが数多く存在すると指摘する。構造化可能な部分を再利用可能なエージェントに組み込むことで、既存業務を加速できるとともに、以前は採算が取れなかったタスクを商業化できる。提供コストの低下は、サービスへのアクセス性、利用頻度、顧客が質問する意欲のある範囲も改善し得る。最も適したモデルは、標準化されたステップを自動化しつつ、予測、重要な意思決定、例外処理は専門家の判断に残すものである。エージェントがより多くのタスクを独立して完了し、各専門家がより多くの活動を監督できるようになるにつれて、シートベース価格は顧客価値との整合性が低下する。プラットフォームは代わりに、追加的なデータ消費、完了した分析、処理文書、取引、エージェント利用に対して課金できる。Daloopaによると、一部の統合エージェントワークフローではデータ消費が約100x増加している。Clioはサブスクリプション、決済、その他の取引ベースの収益を有し、Moody'sはMCPアクセスに対する追加サブスクリプション料金およびエージェント利用に対する個別料金の課金を開始している。 競争環境において、既存プラットフォームは、信頼されたブランド、組み込まれた流通、蓄積された顧客コンテキスト、記録、取引、決済、アクショントリガーが存在するシステムへのアクセスにより優位性を持つ。これらの能力は、顧客がシステム間で情報を移動させる必要性を低減する。AIネイティブ企業も、著しく優れた製品、専門ワークフロー、あるいは複製が難しいインフラを通じてシェアを獲得できる。例えばCorgiは、AI、保険ライセンス、規制資本、引受および保険金請求の管理を組み合わせ、Harveyは法務専門性、ワークフロー固有のエージェント、評価能力を組み合わせている。対照的に、コモディティ化したデータ、浅いワークフロー統合、あるいは主に人手とユーザー数価格に依存するビジネスモデルの提供者はより脆弱である。Goldman Sachsは、エンタープライズAIが本番環境に入れるかどうかは、アウトプットが検証可能か、誤ったアクションが元に戻せるか、説明責任が明確かに依存すると強調している。ソースに紐づくデータ、監査証跡、信頼度しきい値、独立評価、対象を絞った人手レビューは、責任をなくすことなく監督負担を軽減できる。 オープンソースモデルとフロンティアモデルの役割分担について、本レポートは二者択一の見方を退けている。フロンティアモデル陣営は、エンタープライズベンチマークが実際の能力の飛躍を完全には捉えず、本番環境では精度の低下がモデルコスト節約を正当化しない可能性があると主張する。そのため、一部のAIネイティブアプリケーションはモデル多様化を議論しながらも、引き続き主としてフロンティアプロバイダーに依存している。他方、業界参加者は、大半のエンタープライズワークフローはフロンティア水準の知能を必要としないと考えており、あるベンチャーキャピタリストは、約12～18カ月以内にトークンの約90%がオープンソースモデルに流れると推定している。価格圧力、より高い利用上限、顧客によるフロンティアモデル消費の削減も、競争が経済性へ移行したことを示す。本レポートの全体的な見解は、フロンティアモデルが最高価値で信頼性への感応度が最も高いワークロードを維持し、オープンソースモデルが利用量の大半を処理するというものである。Microsoft、Cloudflare、Databricks、Vercelなどの独立系ソフトウェアベンダーは、コンテンツを非公開に保ちながら企業による異なるモデルのオーケストレーションを支援することで価値を獲得できる。 本レポートはまた、ワールドモデルが大規模言語モデルを上回る可能性のある次のAIプラットフォーム転換を表すと考えている。研究は、単純な次トークン予測から、環境、因果関係、物理法則、現実世界の相互作用のモデリングへ移行している。競争上の堀も、共有されたインターネット規模のデータから、物理システム、産業、運用環境と密接に結び付いた独自データへ移行する可能性がある。フィジカル、産業、科学、ロボットシステムはテキスト生成より大きな問題空間を表し、多くのワークロードはよりコンピュート集約的である。ワールドモデルのトークン需要は、今後5年間でエンタープライズコンピュートが24x多くのトークンを支えるというGoldman Sachsの予測に上乗せされるため、コンピュートの需給逼迫がより長く続き、Microsoft、Oracle、CoreWeaveに恩恵をもたらす可能性がある。 ソフトウェア層における持続的な差別化は、データ単独ではなくワークフローコンテキストから生じる。単純なAIラッパー層はモデルの改善に伴い最も脆弱である。水平型プラットフォームは規模の恩恵を受ける一方、機能競争にも直面する。本レポートは、業界専門性、組み込まれたプロセス、継続的にデータを生成、構造化、強化する独自コンテキストを組み合わせるワークフローネイティブなソフトウェアに、より大きな価値を置いている。ソフトウェア開発がより迅速かつ安価になるにつれて、このコンテキストは残される数少ない防御可能な差別化要因の一つになり得る。本レポートは、導入済み顧客基盤または接続資産のフットプリントが、差別化されたAIに必要な運用コンテキストを継続的に生成する例としてShopifyとSamsaraを挙げている。 エージェントは新たな顧客獲得チャネルにもなる。ソフトウェアは、ユーザーに代わって行動するエージェントに発見、呼び出し、利用されなければならない。Vercelの見解は、インターネットの基本構成要素がユーザーとアプリケーションからエージェントとトークンへ移行しており、インフラがもはや人間のインタラクションのみのために最適化されていないことを示している。VercelとClickHouseは、エージェントがより多くのリクエストを生成し、より多くのアクションと意思決定を実行し、より多くのシステムを接続するため、ボトルネックがアプリケーション開発から自律実行を支えるインフラへ移ると指摘する。リアルタイムデータベース、低レイテンシーコンピュート、スケーラブルなデータパイプライン、グローバル分散システムの重要性は高まっている。 サイバーセキュリティも重要な受益者である。AIはインターネットやクラウドといった過去のプラットフォーム転換と同様に攻撃対象領域を拡大し、オープンソースモデルが攻撃者の能力を高めるにつれて、攻撃頻度と複雑性を高める。その結果、パッチ適用、衛生管理、人員プロセス、製品トライアルへの短期的投資を牽引する可能性がある。長期シナリオでは、自社環境に対してほぼ完全な可視性を得る防御側は、攻撃者の異常行動をより早期に特定できる可能性がある。AIは、特にセキュリティ運用において、サイバーセキュリティ人材不足とベンダーの分断も緩和できる。SIEMデータストレージ、継続的な修復、適切に構成された自動化システム、データを推論し、制御を実行し、アクションを取ることができるエージェントネイティブツールに基づく近代化は、いずれも機会となり得る。 企業事例は上記のロジックを裏付ける。Daloopaは、規制当局への提出書類、決算資料、その他の開示から、財務諸表項目、KPI、ガイダンス、非GAAP調整を抽出、標準化、検証することで、リサーチ、バリュエーションモデル保守、決算分析を支援しており、すべてのデータポイントは元のソースに紐づいている。約400人の検証チーム、独自データパイプライン、構造化された運用プロセスは、正確性と適時性の要件を満たすために設計されている。同社は標準化されたエージェントと分析スキルをオープンソース化する一方、データ抽出、標準化、検証インフラは独自のものとして維持し、継続的に更新されるナレッジグラフを用いて、テスト可能なリサーチメモリーを保持し、反復生成を減らし、ハルシネーションを抑制している。Divergentは、垂直型AIが設計から生産までの全ワークフローを統合できることを示した。同社のDAPSはAIエンジニアリングソフトウェア、積層造形、自動組立を接続している。エンジニアがアプローチを選択する前に、ソフトウェアは数百の構造的代替案を評価し、ソフトウェア、Model Oneプリンター、製造プロセス、工場運営の統合により、生産データを設計および製造の意思決定へフィードバックできる。同社は、この共有ソフトウェア基盤への投資が$1 billionを超えたと述べた。

分析フレームワーク

企業デモンストレーション、ベンチャーキャピタルへのインタビュー、大学研究者との交流からなる2日間に基づき、本レポートはまずモデル、エージェント、収益化に関する共通トレンドを総合し、次にビジネス＆情報サービス、ソフトウェア、コンピュート、フィジカルAI、サイバーセキュリティにまたがる価値伝達を個別に分析する。分析は、データ、ワークフロー、検証、流通能力が競争上の堀をどのように形成するかに焦点を当て、DaloopaやDivergentなどの事例を用いてそのメカニズムを示している。

手法メモ

• 競争・戦略フレームワークバリューチェーン分析

  モデル、データ、アプリケーション、ワークフロー、インフラ、セキュリティ層におけるAI価値の配分

  本レポートはAIスタックの異なる層における価値の源泉を比較し、モデルまたはデータ単独では優位性の確保に不十分であり、顧客ワークフローを制御し、アウトプットを検証し、アクションのステップに組み込まれたプラットフォームほど持続的な価値を獲得しやすいと論じている。

• 産業・工業分析フレームワーク上流・中流・下流の産業チェーン伝達

  モデル能力とトークン成長がソフトウェア、コンピュートインフラ、フィジカルAI、サイバーセキュリティへ伝達すること

  本レポートは、モデルの改善とエージェント利用の増加を、リアルタイムデータ、低レイテンシーコンピュート、データパイプライン、セキュリティ運用、物理システム向けコンピュートの需要変化に結び付けている。

• 競争・戦略フレームワーク堀・競争優位

  独自データ、ドメイン専門性、顧客コンテキスト、検証、ワークフロー制御がAIの堀を形成

  本レポートはこのロジックを用いて、既存プラットフォーム、AIネイティブ企業、脆弱な単純ラッパー層またはコモディティ化データ提供者を区別している。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

• ビジネス＆情報サービス（IRM、MCO、MSCI、SPGI、TRI）

  本レポートはこれを選好するAI受益分野として特定し、差別化されたデータ、業界専門性、組み込まれたワークフローが顧客支出に占めるシェアを拡大できると論じている。

  強み

  信頼され継続的に更新されるデータ資産、専門性、顧客コンテキスト、検証能力、ワークフロー統合。

  比較

  コモディティ化データのみ、または浅い統合のみを提供する企業と比較して、これらの企業は検証可能かつ実行可能な業界ワークフローを創出するより大きな機会を有する。

  リスク

  データがコモディティ化する場合、ワークフロー統合が不十分な場合、またはビジネスモデルが主に人手とユーザー数に依存する場合、競争ポジションは圧力を受ける可能性がある。

• ソフトウェア（MSFT、MDB、RBRK）

  本レポートはこれを選好するAI受益分野として特定している。ワールドモデルがより長期化したコンピュート逼迫を生む場合、Microsoftも潜在的受益者と見られている。

  強み

  企業による異なるモデルのオーケストレーション、コンテンツの非公開維持、エージェント主導のインフラおよびソフトウェア需要の獲得を支援できる。

  比較

  単純なAIラッパー層と比較して、エンタープライズ流通、ワークフロー、インフラ能力を持つプラットフォームは、より防御可能である。

  リスク

  モデル能力の急速な改善は機能競争を激化させ、ソフトウェア層間の価値配分を変化させる可能性がある。

• サイバーセキュリティ（CRWD、NET、PANW）

  本レポートはこれらの企業に対する建設的な長期見通しを改めて示しており、AIがセキュリティ需要を拡大すると考えている。

  強み

  セキュリティ運用は、自動化、継続的な修復、データ統合、SIEMデータに基づくエージェントの推論およびアクションから恩恵を受けられる。

  比較

  本レポートは、既存能力を持つセキュリティベンダーがAI主導のセキュリティ投資から不均衡に大きな恩恵を受ける可能性があると考えている。

  リスク

  AIは攻撃頻度と複雑性も高め、企業の攻撃対象領域を拡大する。

• SNOW

  本レポートは建設的な長期見通しを改めて示し、AIデータおよびインフラ需要の拡大という文脈に位置付けている。

主要データ

• シリコンバレーAIフィールドトリップの日程2026年8月18-19日Goldman Sachsによる第3回シリコンバレーAIフィールドトリップ。
• オープンソースモデルのトークンシェアに関する見方約90%あるベンチャーキャピタリストは、約12～18カ月以内にトークンの大半がオープンソースモデルに流れる可能性があると考えている。
• エンタープライズコンピュートのトークン需要予測今後5年間で24x多くのトークンをサポート本レポートは、ワールドモデル需要がこのエンタープライズコンピュート予測に上乗せされると考えている。
• Daloopaの統合ワークフローにおけるデータ消費約100x増加同社は、一部の統合エージェントワークフローにおけるデータ消費が、従来のアナリスト向けインターフェースよりはるかに高いと述べた。
• Daloopaの検証チーム約400人正確性と適時性の要件を満たすため、独自のデータパイプラインおよびプロセスと併用される。
• Divergentの共有ソフトウェア基盤への投資$1 billion超設計、積層造形、組立、品質プロセスをカバーする統合ソフトウェアプラットフォーム。
• MSCIのレーティングおよび目標株価Buy、12カ月目標株価$671本レポートが主要なAI受益投資アイデアの一つとして挙げた。
• Microsoftのレーティングおよび目標株価Buy、12カ月目標株価$640本レポートが主要なAI受益投資アイデアの一つとして挙げた。

影響と示唆

本レポートは、AIがビジネス＆情報サービス企業を情報提供からワークフロー実行へ移行させ、収益を利用量、取引、アウトプットとより密接に結び付けると考えている。受益者には、信頼されたデータと業界専門性を持つプラットフォームだけでなく、企業のモデルオーケストレーション、エージェントネイティブなワークロード処理、コンピュート提供、セキュリティ運用強化を支援する企業も含まれる。一方、深いワークフロー統合を欠くコモディティ化データおよび単純なAIラッパーモデルは、より大きな競争圧力に直面する。

リスク

• フロンティアモデルとオープンソースモデル間のコスト、性能、信頼性のトレードオフは、モデルプロバイダー間およびアプリケーション層での競争を激化させる可能性がある。
• コモディティ化したデータ、浅いワークフロー統合、または人手とシート数に依存するビジネスモデルを持つ企業は、AIネイティブ競合による破壊により脆弱である。
• 金融、法務、規制、オペレーションの領域では、検証可能なアウトプット、監査証跡、明確な説明責任が欠ける場合、エージェントの本番導入ペースが制約される可能性がある。
• AIは攻撃対象領域を拡大し、特にオープンソースモデルが攻撃者の能力を高めるにつれて、攻撃頻度と複雑性を増大させる。